Utilização de mineração de dados para obtenção de informações aparentemente ocultas sobre alunos

Rafael Vieira de Paula, Kelly Pazolini

Resumo


O processo de obtenção de informações em grandes bases de dados “Knowledge Discovery in Database” [KDD] foi utilizado por grandes empresas para sugerir livros, filmes ou músicas, respectivamente, de acordo com o gosto do usuário. Isso foi realizado por meio de técnicas que analisam padrões para facilitar a tomada de decisões. Este grupo de técnicas foi denominada como mineração de dados. O objetivo desse estudo foi utilizar técnicas de mineração de dados para descobrir padrões aparentemente ocultos em questionário referente à satisfação de alunos em doze áreas da vida. O conjunto de dados utilizado para esse estudo foi coletado por meio de um questionário respondido por um grupo de alunos dos cursos de “Master in Business Administration” [MBA] de uma instituição de ensino localizada na cidade de Piracicaba, no estado de São Paulo. Este conjunto de dados foi compilado e analisado com o auxílio do software “Waikato Environment for Knowledge Analysis” [WEKA], que através de técnicas de mineração de dados conseguiu estabelecer tendências de satisfação dos alunos em doze áreas da vida preestabelecidas. A ferramenta evidenciou a eficiência de técnicas de mineração de dados na descoberta de padrões para o cenário proposto.


Palavras-chave


árvores de decisão, associação, classificação, padrões de comportamento

Texto completo:

PDF

Referências


Aggarwal, C.C. 2015. Data mining: the textbook. Springer, New York, NY, USA. Disponível em: . Acesso em: 11 maio 2017.

Berry, M.J.A.; Linoff, G.S. 2004. Data Mining Techniques: for Marketing, Sales, and Customer Relationship Management. 2ed. Wiley Publishing, Indianapolis, Indiana, USA.

Baker, B. 2015. Consumer Credit Risk Modeling. Disponível em:. Acesso em: 02 abr. 2018.

Brookshear, J.G. 2013. Ciência da Computação: Uma Visão Abrangente. 11ed. Bookman, Porto Alegre, RS, Brasil.

Dean, J. 2014. Machine Learning: Value Creation for Business Leaders and Practitioners. John Wiley & Sons. New Jersey, USA.

Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P. 1996. From Data Mining to Knowledge Discovery in Databases. American Association for Artificial Intelligence. AI Magazine. 17(3): 37-54.

Gabb, J.; Klett-Davies, M.; Fink, J.; Thomae, M. 2013. Enduring Love? Couple Relationships in the 21st Century. Disponível em: . Acesso em: 07 jun. 2017.

Glass, J. 2016. CCF BRIEF: Parenting and Happiness in 22 Countries. Disponível em: . Acesso em: 01 jun. 2017.

Ham, J.; Kamber, M. 2006. Data Mining: Concepts and Techniques. 2ed. Elsevier. San Francisco, CA, USA.

Larose, D.T. 2005. Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley & Sons. New Jersey, USA.

Marques, J.R. 2013. Roda da Vida: O que é e como funciona? Disponível em: . Acesso em: 05 fev. 2017.

Mitchel, T. 1997. Machine Learning. Mc Grall Hill, Singapore.

Rokach, L.; Maimon, O. 2015. Data Mining With Decision Trees: Therory and Applications. 2ed. World Scientifc. Singapore.

Sato, L.Y; Shimabukuro, Y.E; Kuplich, T,M; Gomes, T.C.F. 2013. Análise comparativa de algoritmos de árvore de decisão do sistema WEKA para classificação do uso e cobertura da terra. Simpósio Brasileiro de Sensoriamento Remoto 16: 2353-2359.

Taie, E.S. 2011. Coaching as an Approach to Enhance Performance. The Journal for Quality and Participation: 34(1): 34-38.

Witten, I.H.; Frank, E.; Hall, M.A. 2011. Mark A. Data Mining: Practical Learning Machine Tools and Techniques. 3ed. Elsevier. New York, NY, USA.




DOI: https://doi.org/10.22167/r.ipecege.2018.3.23

Apontamentos

  • Não há apontamentos.




Direitos autorais 2018 Rafael Vieira de Paula

Rev iPecege, Piracicaba, SP, Brasil. e-ISSN 2359-5078

 Licença Creative Commons Revista iPecege está licenciada com uma Licença Creative Commons Atribuição-NãoComercial 4.0 Internacional.

 

Indexadores e diretórios: